Actividad1 MCedeno

Asignatura Datos del alumno Fecha
Métodos Numéricos de Resolución Apellidos: CEDENO GUDINO

10/30/2023
de EDP Nombre: MIGUEL ANGEL
Actividad 1: Resolución de PVIs

Objetivos
 Aplicar el método de Euler para la resolución de PVIs.
 Aplicar el método de Runge-Kutta para la resolución de PVIs.
Descripción de la actividad
Un determinado fenómeno físico está representado por el siguiente problema de valor inicial:
t 𝒚𝒚𝒆𝒆𝒆𝒆𝒆𝒆
0,25 0,77647
0,50 0,58932
𝑦𝑦 ′ (𝑡𝑡) = 𝑦𝑦(𝑡𝑡) ∗ 𝑡𝑡 − 1
0,75 0,41698
� 𝑦𝑦(0) = 1
𝑡𝑡 ∈ [0,2] 1 0,23803
1,25 0,02514
1,50 -0,26444
1,75 -0,70700
2 -1,45038
Aunque no se conoce su solución analítica, se dispone de una tabla con datos experimentales de y(t) para
distintos valores de t. Con estos datos obtener lo siguiente:
1. Aplicar el método de Euler para resolver el PVI con h=0,5 y h=0,25.
© Universidad Internacional de La Rioja (UNIR)/ Universidad Rovira i Virgili (URV)
2. Aplicar el método Runge-Kutta de orden 2 con h=0,25. Escoger un método RK de orden 2.

3. Calcular los errores absolutos, a partir de los datos experimentales de la tabla, para ambos métodos con
h=0,25.
4. Representar en una misma gráfica los valores experimentales y los calculados con ambos métodos para
h=0,25.
5. Representar en una misma gráfica los errores absolutos de ambos métodos para h=0,25.
6. Comparar los resultados entre sí y aportar una interpretación de los resultados: el efecto de h en el resultado
del método de Euler, la variación del error absoluto según el método utilizado
Desarrollo de la actividad
1) Método de Euler
El método de Euler es una técnica numérica simple y directa para aproximar soluciones a EDO de primer
orden. Implica aproximar la solución dando pequeños pasos basados en la derivada o pendiente de la
Tema 2. Actividades 1
10/30/2023
función en un punto determinado. El método de Euler es más fácil de implementar ya que implica un solo
paso por iteración, pero puede ser menos preciso, especialmente con pasos más grandes.
Este método se basa en la serie de Taylor de 1er orden y realiza aproximaciones adecuadas para problemas
lineales, pero el error aumenta a medida que aumenta la no linealidad del problema.
La serie de Taylor de 1er orden es:

𝑦𝑦(𝑡𝑡𝑖𝑖+1 ) ≅ 𝑦𝑦(𝑡𝑡𝑖𝑖 ) + 𝑦𝑦 ′ (𝑡𝑡𝑖𝑖 )(𝑡𝑡𝑖𝑖+1 − 𝑡𝑡𝑖𝑖 )
[1]
Problemas de valor inicial que involucran una EDO tienen el siguiente esquema genérico:
𝑦𝑦′(𝑡𝑡) = 𝑓𝑓(𝑡𝑡, 𝑦𝑦(𝑡𝑡)
𝑦𝑦(𝑡𝑡𝑜𝑜 ) = 𝑦𝑦0
𝑡𝑡 ∈ �𝑡𝑡0 , 𝑡𝑡𝑓𝑓 �
[2]
La ecuación general del método de Euler es:
𝑦𝑦𝑖𝑖+1 = 𝑦𝑦𝑖𝑖 + ℎ ∙ 𝑓𝑓(𝑡𝑡𝑖𝑖 , 𝑦𝑦𝑖𝑖 )
[3]
Este método también se conoce como punto pendiente, porque consiste en obtener un nuevo valor de y
utilizando la pendiente (derivada de y) y un valor inicial. El método consiste en realizar una extrapolación
lineal sobre el tamaño de paso, h.
Aplicando el método de Euler con un paso de tiempo de h=0.5, tal y como se definió en la ecuación 3:
𝑦𝑦0 = 1
𝑦𝑦1 = 𝑦𝑦0 + ℎ ∙ 𝑓𝑓(𝑡𝑡0 , 𝑦𝑦0 ) = 1 + 0.5 ∙ (1 ∗ 0 − 1) = 0.5
𝑦𝑦2 = 𝑦𝑦1 + ℎ ∙ 𝑓𝑓(𝑡𝑡1 , 𝑦𝑦1 ) = 0.5 + 0.5 ∙ (0.5 ∗ 0.5 − 1) = 0.125
𝑦𝑦3 = 𝑦𝑦2 + ℎ ∙ 𝑓𝑓 (𝑡𝑡2 , 𝑦𝑦2 ) = 0.125 + 0.5 ∙ (0.125 ∗ 1 − 1) = −0.3125
𝑦𝑦4 = 𝑦𝑦3 + ℎ ∙ 𝑓𝑓(𝑡𝑡3 , 𝑦𝑦3 ) = −0.3125 + 0.5 ∙ (−0.3125 ∗ 1.5 − 1) = −1.04688
Aplicando el método de Euler con un paso de tiempo de h=0.25, tal y como se definió en la ecuación 3:
𝑦𝑦0 = 1
𝑦𝑦1 = 𝑦𝑦0 + ℎ ∙ 𝑓𝑓(𝑡𝑡0 , 𝑦𝑦0 ) = 1 + 0.25 ∙ (1 ∗ 0 − 1) = 0.75
𝑦𝑦2 = 𝑦𝑦1 + ℎ ∙ 𝑓𝑓(𝑡𝑡1 , 𝑦𝑦1 ) = 0.75 + 0.25 ∙ (0.75 ∗ 0.25 − 1) = 0.546875
𝑦𝑦3 = 𝑦𝑦2 + ℎ ∙ 𝑓𝑓 (𝑡𝑡2 , 𝑦𝑦2 ) = 0.546875 + 0.25 ∙ (0.546875 ∗ 0.5 − 1) = 0.365234
𝑦𝑦4 = 𝑦𝑦3 + ℎ ∙ 𝑓𝑓(𝑡𝑡3 , 𝑦𝑦3 ) = 0.365234 + 0.25 ∙ (0.365234 ∗ 0.75 − 1) = 0.183716
10/30/2023
𝑦𝑦5 = 𝑦𝑦4 + ℎ ∙ 𝑓𝑓(𝑡𝑡4 , 𝑦𝑦4 ) = 0.183716 + 0.25 ∙ (0.183716 ∗ 1 − 1) = −0.02036

𝑦𝑦6 = 𝑦𝑦5 + ℎ ∙ 𝑓𝑓 (𝑡𝑡5 , 𝑦𝑦5 ) = −0.02036 + 0.25 ∙ (−0.02036 ∗ 1.25 − 1) = −0.27672
𝑦𝑦7 = 𝑦𝑦6 + ℎ ∙ 𝑓𝑓 (𝑡𝑡6 , 𝑦𝑦6 ) = −0.27672 + 0.25 ∙ (−0.27672 ∗ 1.5 − 1) = −0.63048
𝑦𝑦8 = 𝑦𝑦7 + ℎ ∙ 𝑓𝑓 (𝑡𝑡7 , 𝑦𝑦7 ) = −0.63048 + 0.25 ∙ (−0.63048 ∗ 1.75 − 1) = −1.15632
2) Método de Runge-Kutta
Métodos de RK también se basan en la serie de Taylor de una forma distinta a como se utiliza en el método
de Euler. Su forma generalizada es:
𝑦𝑦𝑖𝑖+1 = 𝑦𝑦𝑖𝑖 + ℎ ∙ ∅(𝑡𝑡𝑖𝑖 , 𝑦𝑦𝑖𝑖 , ℎ)
[4]
La función incremento ∅(𝑡𝑡𝑖𝑖 , 𝑦𝑦𝑖𝑖 , ℎ) es:
∅ = 𝑎𝑎1 𝑘𝑘1 + 𝑎𝑎2 𝑘𝑘2 + ⋯ + 𝑎𝑎𝑛𝑛 𝑘𝑘𝑛𝑛
[5]
Los coeficientes 𝑎𝑎𝑖𝑖 son constantes y las 𝑘𝑘𝑖𝑖 representan relaciones de recurrencia:
𝑘𝑘1 = 𝑓𝑓(𝑡𝑡𝑖𝑖 , 𝑦𝑦𝑖𝑖 )
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡𝑖𝑖 + 𝑝𝑝1 ℎ, 𝑦𝑦𝑖𝑖 + 𝑞𝑞11 𝑘𝑘1 ℎ)
𝑘𝑘3 = 𝑓𝑓 (𝑡𝑡𝑖𝑖 + 𝑝𝑝2 ℎ, 𝑦𝑦𝑖𝑖 + 𝑞𝑞21 𝑘𝑘1 ℎ + 𝑞𝑞22 ℎ2 ℎ)
⋯
𝑘𝑘𝑛𝑛 = 𝑓𝑓�𝑡𝑡𝑖𝑖 + 𝑝𝑝𝑛𝑛−1 ℎ, 𝑦𝑦𝑖𝑖 + 𝑞𝑞𝑛𝑛−1,1 𝑘𝑘2 ℎ + ⋯ + 𝑞𝑞𝑛𝑛−1,𝑛𝑛−1 ℎ𝑛𝑛−1 ℎ�
[6]
Donde p y q son constantes, n representa el orden del método RK. Empleando únicamente 𝑘𝑘1 , se plantea el
método RK de 1er orden y equivale al método de Euler. Para n=2, la ecuación 4 se transforma en:
𝑦𝑦𝑖𝑖+1 = 𝑦𝑦𝑖𝑖 + ℎ ∙ (𝑎𝑎1 𝑘𝑘1 + 𝑎𝑎2 𝑘𝑘2 )
[7]
Las funciones 𝑘𝑘𝑖𝑖 estarían expresadas por:
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡𝑖𝑖 + 𝑝𝑝1 ℎ, 𝑦𝑦𝑖𝑖 + 𝑞𝑞11 𝑘𝑘1 ℎ)
[8]
Igualando la ecuación 7 con la serie de Taylor de 2do orden, se obtienen los valores de 𝑎𝑎1 , 𝑎𝑎2 , 𝑝𝑝1 𝑦𝑦 𝑞𝑞11 . Así
se obtienen dos ecuaciones que representan las relaciones entre los cuatro parámetros:
𝑎𝑎1 = 1 − 𝑎𝑎2
1
𝑝𝑝1 = 𝑞𝑞11 =
2𝑎𝑎2
[9]
10/30/2023
Método de Heun. - supone 𝑎𝑎2 = 1/2 por consiguiente 𝑎𝑎1 = 1/2, 𝑝𝑝1 = 𝑞𝑞11 = 1/2. Sustituyendo valores en
la ecuación 7, se obtienen las ecuaciones del método de Heun:
1 1 ℎ
𝑦𝑦𝑖𝑖+1 = 𝑦𝑦𝑖𝑖 + ℎ ∙ � 𝑘𝑘1 + 𝑘𝑘2 � = 𝑦𝑦𝑖𝑖 + ∙ (𝑘𝑘1 + 𝑘𝑘2 )
2 2 2
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡𝑖𝑖 + ℎ, 𝑦𝑦𝑖𝑖 + 𝑘𝑘1 ℎ)
[10]
Aplicando el método de Heun con un paso de tiempo de h=0.25, tal y como se definió en la ecuación 10:
Para t=0:
𝑦𝑦0 = 1
Para t=0.25 (i=1):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡0 , 𝑦𝑦0 ) = 𝑓𝑓(0, 1) = 1 ∗ 0 − 1 = −1
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡0 + ℎ, 𝑦𝑦0 + 𝑘𝑘1 ℎ) = 𝑓𝑓(0 + 0.25, 1 − 1 ∗ 0.25) = 𝑓𝑓(0.25, 0.75) = 0.75 ∗ 0.25 − 1 = −0.8125
ℎ 0.25
𝑦𝑦1 = 𝑦𝑦0 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = 1 + ∙ (−1 − 0.8125) = 0.77343
2 2
Para t=0.5 (i=2):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡1 , 𝑦𝑦1 ) = 𝑓𝑓(0.25, 0.773438) = 0.773438 ∗ 0.25 − 1 = −0.80664
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡1 + ℎ, 𝑦𝑦1 + 𝑘𝑘1 ℎ) = 𝑓𝑓(0.25 + 0.25, 0.77343 − 0.80664 ∗ 0.25) = 𝑓𝑓(0.5, 0.571777) = 0.57117 ∗ 0.5 − 1 = −0.71411
ℎ 0.25
𝑦𝑦2 = 𝑦𝑦1 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = 0.77343 + ∙ (−0.80664 − 0.71411) = 0.583344
2 2
Para t=0.75 (i=3):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡2 , 𝑦𝑦2 ) = 𝑓𝑓(0.5, 0.583344) = 0.583344 ∗ 0.5 − 1 = −0.70833
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡2 + ℎ, 𝑦𝑦2 + 𝑘𝑘1 ℎ) = 𝑓𝑓(0.5 + 0.25, 0.583344 − 0.70833 ∗ 0.25) = 𝑓𝑓(0.75, 0.406261) = −0.6953
ℎ 0.25
𝑦𝑦3 = 𝑦𝑦2 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = 0.583344 + ∙ (−0.70833 − 0.6953) = 0.407889
2 2
Para t=1 (i=4):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡3 , 𝑦𝑦3 ) = 𝑓𝑓(0.75, 0.407889) = 0.407889 ∗ 0.75 − 1 = −0.69408
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡3 + ℎ, 𝑦𝑦3 + 𝑘𝑘1 ℎ) = 𝑓𝑓(0.75 + 0.25, 0.407889 − 0.69408 ∗ 0.25) = 𝑓𝑓(1, 0.234369) = −0.76563
ℎ 0.25
𝑦𝑦4 = 𝑦𝑦3 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = 0.407889 + ∙ (−0.69408 − 0.76563) = 0.225425
2 2
Para t=1.25 (i=5):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡4 , 𝑦𝑦4 ) = 𝑓𝑓(1, 0.225425) = 0.225425 ∗ 1 − 1 = −0.77457
10/30/2023
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡4 + ℎ, 𝑦𝑦4 + 𝑘𝑘1 ℎ) = 𝑓𝑓(1 + 0.25, 0.225425 − 0.77457 ∗ 0.25) = 𝑓𝑓(1.25, 0.031782) = −0.96027
ℎ 0.25
𝑦𝑦5 = 𝑦𝑦4 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = 0.225425 + ∙ (−0.77457 − 0.96027) = 0.008569
2 2
Para t=1.5 (i=6):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡5 , 𝑦𝑦5 ) = 𝑓𝑓(1.25, 0.008569) = 0.008569 ∗ 1.25 − 1 = −0.98929
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡5 + ℎ, 𝑦𝑦5 + 𝑘𝑘1 ℎ) = 𝑓𝑓(1.25 + 0.25, 0.008569 − 0.98929 ∗ 0.25) = 𝑓𝑓(1.5, − 0.23875) = −1.35813
ℎ 0.25
𝑦𝑦6 = 𝑦𝑦5 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = 0.008569 + ∙ (−0.98929 − 1.35813) = −0.28486
2 2
Para t=1.75 (i=7):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡6 , 𝑦𝑦6 ) = 𝑓𝑓(1.5, −0.28486) = −0.28486 ∗ 1.5 − 1 = −1.42729
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡6 + ℎ, 𝑦𝑦6 + 𝑘𝑘1 ℎ) = 𝑓𝑓(1.5 + 0.25, −.28486 − 1.42729 ∗ 0.25) = 𝑓𝑓(1.75, − 0.64168) = −2.12294
ℎ 0.25
𝑦𝑦7 = 𝑦𝑦6 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = −.28486 + ∙ (−1.42729 − 2.12294) = −0.72864
2 2
Para t=2 (i=8):

𝑘𝑘1 = 𝑓𝑓(𝑡𝑡7 , 𝑦𝑦7 ) = 𝑓𝑓(1.75, −0.72864) = −0.72864 ∗ 1.75 − 1 = −2.27511
𝑘𝑘2 = 𝑓𝑓(𝑡𝑡7 + ℎ, 𝑦𝑦7 + 𝑘𝑘1 ℎ) = 𝑓𝑓(1.75 + 0.25, −0.72864 − 2.27511 ∗ 0.25) = 𝑓𝑓(2, − 1.29741) = −3.59483
ℎ 0.25
𝑦𝑦8 = 𝑦𝑦7 + ∙ (𝑘𝑘1 + 𝑘𝑘2 ) = −0.72864 + ∙ (−2.27511 − 3.59483) = −1.46238
2 2
3) Errores absolutos
El error absoluto se refiere a la discrepancia entre la solución exacta de la ecuación diferencial y la solución
aproximada obtenida mediante el método numérico. Los errores absolutos a partir de los datos
experimentales se obtienen mediante la siguiente relación:
𝐸𝐸𝐸𝐸𝑖𝑖 = |𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑙𝑙𝑖𝑖 − 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑜𝑜𝑖𝑖 |
[11]
Para los valores obtenidos mediante el método de Euler (h=0.25):
𝐸𝐸𝑎𝑎1 = | 0.77647 − 0.75 | = 0.02647
𝐸𝐸𝑎𝑎2 = | 0.58932 − 0.546875 | = 0.042445
𝐸𝐸𝑎𝑎3 = | 0.41698 − 0.365234 | = 0.05174563
𝐸𝐸𝑎𝑎4 = | 0.23803 − 0.183716 | = 0.05431418
𝐸𝐸𝑎𝑎5 = | 0.02514 + 0.02036 | = 0.04549522
𝐸𝐸𝑎𝑎6 = | − 0.26444 + 0.27672 | = 0.01227623
𝐸𝐸𝑎𝑎7 = | − 0.707 + 0.63048 | = 0.0765152
𝐸𝐸𝑎𝑎8 = | − 1.45038 + 1.15632 | = 0.2940581
10/30/2023
Para los valores obtenidos mediante el método RK Heun (h=0.25):

𝐸𝐸𝑎𝑎1 = | 0.77647 − 0.77343 | = 0.0030325
𝐸𝐸𝑎𝑎2 = | 0.58932 − 0.583344 | = 0.005976494
𝐸𝐸𝑎𝑎3 = | 0.41698 − 0.407889 | = 0.009090515
𝐸𝐸𝑎𝑎4 = | 0.23803 − 0.225425 | = 0.01260478
𝐸𝐸𝑎𝑎5 = | 0.02514 − 0.008569 | = 0.016570764
𝐸𝐸𝑎𝑎6 = | − 0.26444 + 0.28486 | = 0.020417986
𝐸𝐸𝑎𝑎7 = | − 0.707 + 0.72864 | = 0.021636299
𝐸𝐸𝑎𝑎8 = | − 1.45038 + 1.46238 | = 0.011999159
4) Gráfica con valores experimentales vs calculados (h=0.25)

El método de Euler y el método de Heun siendo técnicas numéricas utilizadas para aproximar soluciones a
ecuaciones diferenciales ordinarias (EDO) y formando parte de una clase de técnicas llamadas métodos de
"primer orden" o de "paso único", se utilizan para aproximar soluciones cuando una solución exacta es difícil
o imposible de encontrar.
La figura 1 muestra que el método de Heun es una mejora del método de Euler y tiene como objetivo
mejorar la precisión mediante el uso de un proceso de dos pasos por iteración. Estima la pendiente en el
siguiente paso de tiempo utilizando el promedio de las pendientes al principio y al final del intervalo. La
fórmula del método de Heun implica un paso predictivo para estimar el siguiente valor y un paso corrector
para refinar esa estimación.
10/30/2023
1.5
Valores experimentales vs calculados
1
0.5
0
0 0.5 1 1.5 2
y(t)
-0.5
-1
Datos experimentales
-1.5 Euler (h=0.25)
Heun (h=0.25)
-2
t
Figura 1. – Visualización de valores experimentales vs calculados
5) Gráfica de errores absolutos (h=0.25)

La figura 2 muestra que el método de Heun es más preciso que el método de Euler porque toma un
promedio de las pendientes tanto al principio como al final del intervalo. Esto da como resultado mejores
aproximaciones y errores reducidos, especialmente para funciones complejas o tamaños de paso más
grandes. El método de Heun es computacionalmente más caro que el método de Euler porque implica dos
pasos por iteración.
Errores absolutos
0.4
error aprox. abs.
0.3
0.2
0.1
0
0 0.5 1 1.5 2
t
Euler (h=0.25) Heun (h=0.25)
Figura 2. – Visualización de errores absolutos (Euler vs RK-Heun)
10/30/2023
6) Comparación de resultados e interpretación

- La elección entre los dos métodos (Euler vs RK-Heun) a menudo depende de la aplicación específica y
del nivel requerido de precisión frente a la eficiencia computacional.
- Efecto de h en el resultado del método de Euler: el "tamaño del paso" o "incremento de tiempo", juega
un papel crucial en la precisión y la estabilidad de las aproximaciones obtenidas. Este parámetro
determina la longitud de los pasos que se dan a lo largo del intervalo de la variable independiente. El
efecto de h en los resultados del método de Euler puede resumirse en los siguientes puntos:
o Tamaño de paso: La tabla 1 y figuras 3 muestran que, un h más pequeño implica pasos más
pequeños a lo largo del eje de la variable independiente. Cuanto más pequeño sea el tamaño del
paso, mayor será la cantidad de puntos evaluados a lo largo del intervalo.
o Precisión: La figuras 3 muestran que, con h más pequeños, se obtienen resultados más precisos, ya
que se realizan más iteraciones, lo que significa que la aproximación se acerca más al valor real de
la solución.
o Estabilidad numérica: Aunque reducir h puede mejorar la precisión, también puede aumentar los
errores de redondeo y de truncamiento, lo que puede afectar la estabilidad numérica del método.
En algunos casos, un h extremadamente pequeño puede llevar a problemas de estabilidad y a un
aumento en el tiempo de cómputo sin una mejora significativa en la precisión.
o Costo computacional: Reducir h implica realizar más cálculos, lo que aumenta la carga
computacional del método. Por lo tanto, aunque valores más pequeños de h pueden mejorar la
precisión, también hacen que el método sea más costoso en términos de tiempo de cálculo.
o Un valor apropiado de h es crucial. Es importante encontrar un equilibrio entre la precisión y la
eficiencia computacional. Un h demasiado pequeño puede llevar a cálculos precisos pero costosos,
mientras que un h demasiado grande puede conducir a una menor precisión. En la práctica, se
suelen realizar pruebas con diferentes valores de h para encontrar un equilibrio óptimo entre
precisión y eficiencia computacional en el método de Euler.
10/30/2023
1.5
Valores experimentales vs calculados
1
0.5
0
0 0.5 1 1.5 2
Errores absolutos
y(t)
-0.5 0.6
error aprox. abs.

0.4
-1 0.2
0
-1.5 Datos experimentales 0 0.5 1 1.5 2
Euler (h=0.5) t
Euler (h=0.25)
-2
t Euler (h=0.5) Euler (h=0.25)
Figura 3. – Visualización de valores y errores absolutos - Método de Euler (h=0.5 y h=0.25)
- Variación del error absoluto según el método utilizado: En los métodos de Euler y RK-Heun, el error
puede variar dependiendo de varios factores, siendo el tamaño del paso (h) uno de los más
significativos. La variación del error absoluto en función de h se debe a los siguientes considerandos:
o Reducción del error con h más pequeños: En general, disminuir el tamaño del paso (h) tiende a
reducir el error absoluto. La tabla 1 muestra que, al tomar pasos más pequeños, se generan más
puntos en el intervalo considerado, lo que conduce a una aproximación más precisa de la solución
real de la ecuación diferencial.
Tabla 1. – Tamaño de paso vs cantidad de puntos

o Error de truncamiento: A pesar de que disminuir h puede disminuir el error, hay un límite. El método
de Euler tiene un error de truncamiento inherente. A medida que h se reduce, el error de
truncamiento, que es proporcional a ℎ^2, disminuye. Sin embargo, otros errores, como el error de
redondeo, podrían aumentar a medida que se realizan más cálculos con h más pequeños.
10/30/2023
o Estabilidad del método: Reducir h puede mejorar la precisión, pero valores extremadamente
pequeños de h pueden afectar la estabilidad numérica. Esto podría llevar a problemas
computacionales debido a errores acumulativos, especialmente si hay inestabilidad numérica en la
ecuación diferencial.
o Disminuir h generalmente reduce el error absoluto en el método de Euler al mejorar la precisión de
la aproximación. Sin embargo, elegir un h muy pequeño debe equilibrarse con la capacidad
computacional disponible, ya que valores excesivamente pequeños podrían aumentar otros tipos
de errores y conducir a problemas de estabilidad. En la práctica, se busca un h que proporcione un
equilibrio adecuado entre precisión y eficiencia computacional.
o En resumen, al igual que en el método de Euler, reducir el tamaño del paso (h) en el método de
Heun generalmente mejora la precisión al proporcionar una aproximación más detallada de la
solución de la ecuación diferencial. Sin embargo, la elección del tamaño del paso ideal debe
equilibrar la precisión con la eficiencia computacional y la estabilidad numérica para obtener
resultados confiables y prácticos.
Referencias Bibliográficas
- J. Segarra, (2023), Métodos Numéricos de Resolución de EDPs. Material de clase.
- Chapra, S. C. y Canale, R.P. (2012). Numerical Methods for Engineers. NY, McGraw-Hill
- Seminario completo sobre errores de redondeo y de truncamiento en métodos numéricos.
https://www.youtube.com/watch?v=jAQKjKqBSC8

Actividad1 MCedeno

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Actividad1 MCedeno

Cargado por

Copyright:

Formatos disponibles

Asignatura Datos del alumno Fecha

Métodos Numéricos de Resolución Apellidos: CEDENO GUDINO

Actividad 1: Resolución de PVIs

2. Aplicar el método Runge-Kutta de orden 2 con h=0,25. Escoger un método RK de orden 2.

La serie de Taylor de 1er orden es:

𝑦𝑦5 = 𝑦𝑦4 + ℎ ∙ 𝑓𝑓(𝑡𝑡4 , 𝑦𝑦4 ) = 0.183716 + 0.25 ∙ (0.183716 ∗ 1 − 1) = −0.02036

Para t=0.25 (i=1):

Para t=0.5 (i=2):

Para t=0.75 (i=3):

Para t=1 (i=4):

Para t=1.25 (i=5):

Para t=1.5 (i=6):

Para t=1.75 (i=7):

Para t=2 (i=8):

Para los valores obtenidos mediante el método RK Heun (h=0.25):

4) Gráfica con valores experimentales vs calculados (h=0.25)

para refinar esa estimación.

Figura 1. – Visualización de valores experimentales vs calculados

5) Gráfica de errores absolutos (h=0.25)

Euler (h=0.25) Heun (h=0.25)

Figura 2. – Visualización de errores absolutos (Euler vs RK-Heun)

6) Comparación de resultados e interpretación

error aprox. abs.

Figura 3. – Visualización de valores y errores absolutos - Método de Euler (h=0.5 y h=0.25)

Tabla 1. – Tamaño de paso vs cantidad de puntos

También podría gustarte